好的，我对这里的 HMM 概念相对较新。
我目前所知道的是，对于一个具有指定状态数（N）、指定数量观察符号（M）和给定观察序列（O）的未知模型，我们可以找到一个最大化 O 概率的模型。
有了这个，我创建了一个 HMM，它利用本文档http://www.cs.sjsu.edu/~stamp/RUA/HMM.pdf -> 第 7 节伪代码中的代码
AB 和 pi 的初始值约为 1/N 和 1/M。我使用 matlab 生成数字，因此数字不准确但相似。
现在假设 O 的长度为 1000，我根据伪代码将其输入 HMM。最终状态是我得到了一个 A 、 B 和 pi 的模型，它可以自我调整以适应 O。到目前为止我是否正确进行？
如果是这样，接下来我想做的就是找到未来可能的观察 1001 (o1001)。
以我对 HMM 的片面理解，我需要做的是从我最后所拥有的，采取目前最可能的状态（在学习 1000 次观察后从 A 中获取）并从中找到最可能的观察（通过查看来自 A 的状态的 B 矩阵的行）
关于如何预测第 1001 次观测的最后一部分，我不太确定。有人可以告诉我到目前为止我是否在正确的轨道上？